AIEd база знанийAIEd KB
На этой странице

Читать эту страницу на английском

Концепции

Мотивация

Создано 2026-10-13

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Мотивация — психологические процессы, которые инициируют, направляют и поддерживают поведение, нацеленное на цель. В ИИ в образовании исследования мотивации изучают, как инструменты ИИ влияют на мотивацию учащихся и преподавателей — служат ли ИИ-инструменты опорой или подрывают настойчивость, любопытство и внутреннюю вовлечённость — и как мотивационные состояния формируют эффективность опосредованного ИИ обучения.

Вопросы для размышления

  • Мотивацию часто трактуют как свойство, которое одни студенты «имеют», а другие — нет. На данной странице она описывается вместо этого как психологические процессы, которые инициируют, направляют и поддерживают поведение, — и как нечто развивающееся и опирающееся на социальную поддержку. Как эта переформулировка меняет ответ на вопрос о том, кто отвечает за мотивацию студентов?
  • Инструменты ИИ могут устранять трение и делать обучение более доступным, но они могут также снижать когнитивное усилие и борьбу, которые поддерживают внутреннюю мотивацию. Когда «облегчение» чего-то на самом деле делало это менее мотивирующим или менее приносящим удовлетворение для вас?
  • Теория самоопределения говорит, что внутренняя мотивация растёт из автономии, компетентности и связанности. Если ИИ-репетитор делает бо́льшую часть работы, какую из этих трёх составляющих он может угрожать подорвать — а какую усилить?
  • Исследования обнаруживают различные мотивационные профили среди студентов в учебной программе с ИИ, а также что достижение самоопределённого профиля предсказывало наибольшие приросты в ИИ-грамотности. Что может понадобиться учащемуся, чтобы перейти от пассивной незаинтересованности к подлинной самоопределённости в использовании ИИ?
  • На данной странице сообщается, что поддержка преподавателя ведёт вовлечённость при работе с ИИ преимущественно через цели на мастерство и цели на результат — через ориентации «на приближение», а не «на избегание». Как способ, которым преподаватель обрамляет использование ИИ («чтобы сделать правильно» vs. «чтобы не выглядеть неправильно»), формирует то, включаются ли студенты глубоко?
  • Если вы проектируете для мотивации, является ли целью сделать обучение более лёгким, более вовлекающим или более содержательно усиленным? Где Доступность и внутренняя мотивация тянут в противоположных направлениях?

Введение

Мотивация — это базовая конструкция в исследованиях образования, и рост ИИ в образовании сделал её более значимой: инструменты ИИ могут устранять трение и делать обучение более доступным, но они могут также снижать когнитивное усилие и борьбу, которые поддерживают внутреннюю мотивацию и глубокое обучение. Статьи в этой базе знаний исследуют мотивацию в контексте инструментов ИИ, обращённых к учащимся, систем ИИ, обращённых к преподавателям, и психологических механизмов — самоопределения, самоэффективности, эмоций, — через которые ИИ формирует мотивированное поведение.

  • Ли и У показывают, что пол и мотивация ведут к различной вовлечённости в GenAI с различными траекториями достижений.

Ключевые темы исследований

Влияние ИИ на мотивацию студентов — самая прямая линия исследований. Why Put in This Much Effort?": How AI Availability Shapes Students’ Motivation in Introductory Programming изучает, как доступность помощи ИИ влияет на мотивацию и настойчивость студентов, связываясь с исследованиями чрезмерной опоры в части эрозии мотивации, когда работу делает ИИ. Что касается настойчивости конкретно, для этого достаточно краткого воздействия: десять минут с помощником, отвечавшим по запросу, оставили участников пропускающими 0,20 задач без помощи против 0,11 в контрольной группе (Лю и др., 2026). Designing a mobile chatbot-based learning journaling system for intrinsic motivation and engagement исследует ведение дневника в мобильном чат-боте как мотивационное вмешательство. Designing Needs- and Attention-Aware AI Learning Tools for Engineering Education: Insights from Psychological Outcomes изучает, что мотивирует студентов внедрять инструменты ИИ для обучения в инженерном образовании.

Мета-анализ 42 исследований (56 размеров эффекта, 6 059 студентов) обнаружил, что обучение с поддержкой GenAI повышало мотивацию на g Хеджса = 0,764 (95% ДИ [0,566; 0,962]), — но при I² = 93,7% и 95%-ном интервале прогноза [−0,689; 2,217] это среднее скрывает условия, где эффект близок к нулю или отрицателен (Фан и др. (2026)).

  • Нерефлексивное использование разрушает мотивацию — сильнее у мужчин. Бездумное использование GenAI (принятие ответов без проверки) предсказывало более низкую мотивацию (β = −0,54) и более низкую Самоэффективность (β = −0,37) среди 487 студентов, причём эффект для мотивации был значимо сильнее у студентов мужского пола, тогда как эффект для самоэффективности был сильнее у студентов женского пола (Чжао и Гу, 2026)).

Почему читатель обращается к ИИ — сама по себе измеримая переменная: шкала AIR выделяет четыре мотива обращения к чтению с поддержкой GenAI — ориентированная на задачу, «feel-good», перевод и низкое усилие, — и только низкое усилие, то есть обращение к ИИ в состоянии усталости или незаинтересованности, отрицательно соотносилось с потребностью в познании (r = −.18) (Бранн, Этгар и Сиди (2026)).

Мотивация в опосредованной ИИ вовлечённости изучает, как мотивационное качество (а не только количество) меняется с ИИ. Исаева и др. сочетают теорию самоопределения с анализом эпистемических сет для изучения вовлечённости в генеративный ИИ. Лян и др. (2026) отслеживали мотивацию в развитии через анализ латентных переходов на выборке 2 086 учащихся средней школы в ходе годовой учебной программы с ИИ, обнаружив три устойчивых профиля (незаинтересованный, развивающийся, самоопределённый) и что достижение самоопределённого профиля предсказывало наибольшие приросты ИИ-грамотность. Ван и Ван (2026) использовали теорию постановки целей с 758 изучающими английский язык в университете, показывая, что поддержка преподавателя ведёт вовлечённость при работе с ИИ преимущественно через цели на мастерство и цели на результат (ориентации на приближение, а не на избегание). Вместе эти исследования показывают, что мотивация в контекстах ИИ одновременно развивается и опирается на социальную поддержку — она смещается со временем и отвечает на поддержку преподавателя и обрамление целей, а не только на проектирование инструмента.

Ориентация на цель также направляет то, как используется инструмент: цели на мастерство и нормативные цели на результат, как правило, поддерживают элаборацию и уточнение, тогда как цели на результат в части внешнего вида делают более вероятными минимизацию усилий и защиту воспринимаемой компетентности, — так что один и тот же помощник служит опорой для мышления или заменяет его в зависимости от мотивационного климата (Эби, 2026).

Формат диалога может повышать мотивацию, не улучшая общей оценки: у 222 учащихся первого класса старшей школы диалог преподаватель–преподаватель повышал мотивацию по ARCS сильнее, чем формат преподаватель–студент, для учащихся с высоким уровнем конкретного опыта (b = 0,162, p < .001), но получил значимо более низкую оценку по общей оценке (b = -0,126, p = .005) (Ватанабэ и др. (2026)).

Мотивация формирует то, как студенты обрамляют инструмент, и это обрамление несёт метакогнитивную отдачу: Цуй и др. (2026) обнаружили, что роль соавтора — 7,5% записей в журналах — была единственной, порождавшей полную метакогнитивную цепочку, тогда как экстринсически мотивированные студенты использовали GenAI как инструмент замены в 64,6% записей и не порождали связей высшего порядка.

Приросты мотивации специфичны для конструкции, а не обобщены. Лу и др. (2026) обнаружили, что девятинедельная программа письма с поддержкой GenAI для 301 учащихся 5 и 6 классов повышала их идеальное «я» в письме на втором языке и академическую стойкость — вдохновляющую и жизнестойкую составляющие мотивации, — оставляя при этом установку на рост неизменной; единственный прирост в установке на рост появился в контрольной группе и не выдержал коррекции на множественные сравнения. Студенты объясняли это смещение тем, что видели плавный текст, построенный из словарного запаса, который они уже знали, что делало успешное письмо ощутимо достижимым. Так что мотивация — это не единственный регулятор, который ИИ поворачивает вверх: улучшилось убеждение, что человек может хорошо писать, а не убеждение, что способности растут с усилием. Та же специфичность для конструкции появляется, когда GenAI сам является вмешательством в релевантность. Го, Фрайер и Шум (2026) дали 218 учащихся старшей школы провести один час в полуструктурированном диалоге с чат-ботом, нацеленным на личную релевантность математики; коллективная версия уровня класса повысила релевантность как идентификацию (F = 4,35, p = .014, η² = 0,04; против контрольной группы, F = 11,11, p = .001, η² = 0,073 — эффект средней величины) и в структурной модели предсказала релевантность для конкретного урока через неделю (β = 0,18, p < .01), тогда как интерес к уроку математики не сдвинулся (F = 0,29, p = .75, η² = 0,003). Авторы объясняют это расцепление дозой: одна одночасовая сессия слишком кратка для того, чтобы приросты релевантности консолидировались в интерес к классу.

Вмешательство в ценность-полезность не является однозначно полезным: версия с опорой не дала общего прироста в интеграции знаний у будущих преподавателей и повредила ей для учащихся, вошедших в обучение с высокой воспринимаемой ценностью-полезностью — взаимодействие «способности–воздействие», свидетельствующее в пользу согласования мотивационной поддержки с исходными точками учащихся (Бус, Эдер и Лахнер (2026)).

Сообщение с обратной связью двигает интерес через воспринимаемую им полезность, а не через диспозиции учащегося. Янсен и др. (2026) дали 1 507 учащихся средней школы одно стандартизированное автоматическое сообщение с обратной связью после первого черновика аргументативного текста: общая восприимчивость была единственным измерением восприимчивости, связанным с изменением ситуативного интереса (около 0,11 балла по наблюдаемой шкале, примерно 54-й процентиль против 46-го), и этот эффект был полностью опосредован воспринимаемой полезностью (косвенное β = 0,09, 95% ДИ [0,06; 0,13]) без оставшегося значимого прямого пути (β = 0,06, 95% ДИ [−0,07; 0,16]), так что интерес сдвинула именно ощущаемая ценность сообщения, а не общая позиция учащегося к обратной связи.

Мотивация и настойчивость преподавателей изучает мотивацию среди педагогов. Framing the 5 Percent Problem изучает настойчивость преподавателей с инструментами ИИ, а Чиу и др. обнаружили, что поддерживающее потребности профессиональное развитие способствует устойчивой поведенческой вовлечённости в профессиональных учебных сообществах.

  • Межкультурная мотивация будущих преподавателей: Мартинес-Морено и др. (2026) валидизировали шкалу (D)FIT-Choice с 416 студентами-преподавателями в Швейцарии и Китае, обнаружив, что швейцарские преподаватели сообщают о более сильной социальной полезности и внутренней мотивации, тогда как китайские преподаватели показывают более высокую воспринимаемую цифровую компетентность и энтузиазм в интеграции ИИ, — что подчёркивает, как культурные и системные факторы формируют мотивацию формировать будущее образования с помощью ИИ.

  • Самоэффективность — корень удовольствия преподавателей от GenAI. В исследовании PLS-SEM с 434 работающими преподавателями самоэффективность была единственной экзогенной переменной модели, и её наибольший эффект приходился на воспринимаемое удовольствие (β = 0,805, f² = 1,839), питая в свою очередь воспринимаемую полезность и лёгкость использования (Гильен-Гамес и др., 2026)).

Парадокс усилия и порочный круг помощи. Зохар, Блум и Инцлихт (2026) утверждают, что мотивацию ИИ не просто помогает или мешает, а перераспределяет: люди обычно идут по пути наименьшего сопротивления, но при этом они также ищут усилий — парадокс усилия, — потому что усилие сигнализирует, что действия имеют значение, и потому что награда, привязанная к процессу, а не к продукту, увеличивает тенденцию стремиться и persevere (сохранять усилие). Отсюда следуют два утверждения. Во-первых, связь между усилием и смыслом имеет форму перевёрнутой U, поэтому мотивационная цель — это умеренное трение, а риск ИИ без трения состоит в перелете в сторону слишком малого. Во-вторых, порочный круг: по мере того как ИИ заменяет усилие в области, мотивационные выгоды усилия в ней разрушаются, что делает пользователей более зависимыми от ИИ, что дальше разрушает мотивацию. Они также разделяют дополнение и замену по стадии развития — учащиеся на более ранних стадиях рискуют обойти опыт, который строит настойчивость, тогда как те, кто имеет устоявшиеся навыки, могут использовать ИИ для экономии времени (Полезные трудности, Самоэффективность).

Литература измеряет мотивацию без теории мотивации. Обзор охвата 156 исследований с 2003 по 2025 год обнаружил, что 133 (85,3%) не руководствовались никакой конкретной теорией мотивации, наиболее распространённой переменной была обобщённая академическая мотивация (n = 89), а 88 исследований (56,4%) происходили из одного национального контекста (Ли и др., 2026)).

Связи со смежными концепциями

Мотивация — это родительская конструкция для Теория самоопределения, которая уточняет психологические потребности (автономия, компетентность, связанность), поддерживающие внутреннюю мотивацию. Она связана с Опыт студентов как опытный слой мотивированной вовлечённости, с Вовлечённость студентов как её измеримое измерение и с Аффективные вычисления в части эмоциональных механизмов, которые формируют мотивацию. Мотивация также связана с чрезмерной опорой (ИИ снижает продуктивную борьбу), Саморегулируемое обучение (мотивированные учащиеся саморегулируются) и Преподавание (мотивация относится и к педагогам, а не только к студентам).

Связанные концепции

Связанные статьи

Связанные FAQ

Метаданные

Целевая аудиторияLearners
Обучение и преподаваниеМотивация, Теория самоопределения, Вовлечённость студентов
Технологии и методыАффективные вычисления
Основы ИИ в образованииИИ в образовании
SourceHistoryEditChat

Встроить эту страницу

Скопируйте код ниже, чтобы встроить эту страницу в систему управления обучением или на другой сайт. Во встроенной версии отображается только содержимое страницы — заголовок сайта, навигация и нижний колонтитул скрыты.